视频结构化数据的查询及信息挖掘

领域的大数据应用，主要体现在两方面：视频录像的集群和视频结构化数据的查询及信息挖掘。

1．视频录像的集群存储

在面向大数据的架构中，可根据实际现场的部署需要，设立一个或多个集群组成，采集的流数据会被划分成段，并分布于数据集群节点，因为集群节点有内部进行多副本备份等机制，可以由软件技术来保证整体系统的高可靠性和高稳定性。这些数据节点可以采用廉价通用型的硬件，避免采用传统高端硬件的模式，能极大地降低投资成本。

录像文件的集群存储，国内云储存厂家多采用CEPH技术和HDFS技术的方式。以HDFS的方式举例，思路为：通过HADOOP提供的API结构，实现将接收到的视频流文件从本地上传到HDFS中。在这一过程中，把接收到的视频文件不断地存储到一个指定的本地临时文件夹中，而这个本地文件夹是在不断动态变换的，可以将该文件夹当成是一个“缓冲区”，把“缓冲区”中的文件以流的方式将上传到HDFS中。

2．视频结构化数据的查询及信息挖掘

原始的视频图像是一种非结构化数据，它不能直接被计算机和上层应用软件读取和识别，为了让视频图像更好的应用，就必须对视频图像进行结构化的处理，提取出关键信息，并进行文本的语义描述，也就是视频结构化。

一段视频里面，需要提取的关键信息主要有两类：第一类是运动目标的识别，也就是画面中运动对象的识别，是人还是机动车或者非机动车；第二类是运动目标特征的识别，也就是画面中运动的人、车、物有什么特征，行人特征主要有：是否带眼镜、围巾、上衣、裤子、是否带口罩、是否背包，性别分类等；机动车主要特征有：车牌号码、车身颜色、车型等；物体特征主要有：大小尺寸、颜色、方向等。

一个案件的审看需要更为广泛地查看相关的摄像机视频，所审看的视频量时常达到数百上千小时。视频结构化提取技术对视频中运动的物体等进行提取，再通过软件进行检索和排除，这就能极大地提高办案效率。